-
Die vorliegende Erfindung betrifft ein Verfahren zum Trainieren eines Künstlichen-Intelligenz-Moduls, KI-Moduls, zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen. Ferner betrifft die Erfindung ein Verfahren zum Betrieb eines Künstlichen-Intelligenz-Moduls, KI-Moduls, zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen. Ferner betrifft die Erfindung auch eine Datenverarbeitungseinrichtung zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen.
-
Stand der Technik
-
Der Reibwert zwischen einem Fahrzeug, insbesondere dessen Reifen, und einem Verkehrsflächenabschnitt, wie beispielsweise einer Fahrbahn, beeinflusst die fahrdynamischen Grenzen eines Fahrzeugs hinsichtlich der Längs- und Querführung. Bei einem herkömmlichen Fahrzeug, das von einem menschlichen Fahrzeugführer gelenkt wird, kann dieser z.B. durch Erfahrungswerte, durch kurzes Anbremsen, durch optische Wahrnehmung oder ähnliches zumindest ansatzweise ermitteln, ob der aktuelle Reibwert eher hoch oder eher niedrig ist. So kann der aktuelle Reibwert bei gut ausgebauter und sauberer Fahrbahn sowie bei Trockenheit eher hoch sein und damit eine gute Haftreibung zwischen Fahrzeug und Fahrbahn begünstigen, wohingegen Nässe, Glatteis, Verschmutzung der Fahrbahn oder ähnliches den Reibwert ungünstige beeinflussen können.
-
Bei einem teil- oder vollautonomen Fahrbetrieb eines Fahrzeugs ist die Einschätzung des aktuellen Reibwerts eines Verkehrsflächenabschnitts schwieriger, da die Informationen des menschlichen Fahrzeugführers zumindest teilweise wegfallen. Um diesem Problem zu begegnen, schlägt z.B. die
WO 2016/120092 A1 eine datenbankgestützte Reibwertkarte vor, bei der von sendenden Fahrzeugen ausgesandte Informationen empfangen und in der Datenbank gespeichert werden, wobei die Informationen zumindest das bestimmte Reibwertpotential eines Straßensegments beschreibende Reibwertdaten, die geometrische Lage dieses Straßensegments beschreibende Ortsdaten sowie den Ermittlungszeitpunkt der Reibwertdaten beschreibende Zeitdaten umfassen und die in der Datenbank gespeicherten Daten von empfangenden Fahrzeugen abgerufen werden können. Obwohl dem Fahrzeug damit hilfreiche Informationen zum aktuellen Reibwert eines Verkehrsflächenabschnitts zur Verfügung gestellt werden können, besteht der Wunsch, einem Fahrzeug noch genauere Reibwertdaten zur Verfügung stellen zu können.
-
Offenbarung der Erfindung
-
Ausführungsformen der Erfindung stellen ein verbessertes Verfahren zum Trainieren eines Künstlichen-Intelligenz-Moduls, KI-Moduls, zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen, ein Verfahren zum Betrieb eines Künstlichen-Intelligenz-Moduls, KI-Moduls, zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen und eine Datenverarbeitungseinrichtung zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen gemäß den unabhängigen Ansprüchen zur Verfügung. Vorteilhafte Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen, der Beschreibung sowie den begleitenden Figuren.
-
Ein vorgeschlagenes Verfahren zum Trainieren eines Künstlichen-Intelligenz-Moduls, KI-Moduls, zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen kann mit einer Datenverarbeitungseinrichtung, z.B. einem Computersystem, durchgeführt werden, wobei die Datenverarbeitungseinrichtung einen Prozessor, einen Speicher zum Speichern von durch den Prozessor ausführbaren Programmanweisungen, eine Datenschnittstelle usw. aufweisen kann. Das KI-Modul kann in Form von Programmanweisungen oder ähnlichem in der Datenverarbeitungseinrichtung implementiert sein. Das KI-Modul kann beispielsweise wenigstens ein künstliches neuronales Netz (KNN) umfassen, das vorzugsweise mehrschichtig und/oder faltend ausgestattet sein kann. Zusätzlich oder alternativ dazu, kann ein Machine-Learning-Algorithmus umfasst sein, der z.B. das neuronale Netz, einen Random-Forest-Algorithmus oder ähnliches nutzt. Das KI-Modul kann auch für bestärkendes Lernen durch beispielsweise ein rekurrentes KNN eingerichtet sein. Das Training des KI-Moduls kann idealerweise vor einem (Produktiv-)Betrieb des KI-Moduls durchgeführt werden. Das Verfahren sieht die folgenden Schritte vor:
- - Dem KI- Modul werden erste Daten zugeführt, die wenigstens einen zu einem ersten Zeitpunkt erfassten Bearbeitungsvorgang an einer Fahrbahnoberfläche beschreiben.
Das Zuführen kann über z.B. über eine Offline- oder Onlinedatenschnittstelle erfolgen. Der Zeitpunkt kann auch durch einen Zeitraum oder eine Zeitspanne angegeben sein.
- - Dem KI-Modul werden zweite Daten zugeführt, die wenigstens den zu dem ersten Zeitpunkt erfassten oder den dem durchgeführten Bearbeitungsvorgang zugeordneten Fahrbahnoberflächenzustand beschreiben.
Der Fahrbahnoberflächenzustand kann sich durch den Bearbeitungsvorgang also ändern, wobei unter winterlichen Bedingungen zunächst ein verschneiter, vereister, nasser, ein mit festkörnigen Streumittel versehener, ein mit Streusalz versehener usw. Fahrbahnoberflächenzustand in Betracht kommen kann. Der Bearbeitungsvorgang kann den Fahrbahnoberflächenzustand mehr oder weniger stark verändern.
- - Dem KI-Modul werden dritte Daten zugeführt, die wenigstens den zu einem dem ersten Zeitpunkt nachfolgenden, zweiten Zeitpunkt erfassten Fahrbahnoberflächenzustand beschreiben.
Der erste und der zweite Zeitpunkt unterscheiden sich demnach bzw. liegen zeitlich auseinander.
- - Es wird eine Änderung des Fahrbahnoberflächenzustands zwischen dem ersten und dem zweiten Zeitpunkt bestimmt.
Dies kann insbesondere durch die Datenverarbeitungseinrichtung oder ggf. auch manuell erfolgen. Die resultierende Bestimmung der Änderung des Fahrbahnoberflächenzustands kann in einem maschinenlesbaren Format vorliegen, um diese ebenfalls dem KI-Modul zuführen zu können.
-
Damit kann das KI-Modul darauf trainiert werden, in seinem Betrieb den Fahrbahnoberflächenzustands des Straßensegments unter winterlichen Bedingungen für einen in der Zukunft liegenden Zeitpunkt, Zeitraum etc. vorherzusagen. Dies kann beispielsweise genutzt werden, um einem zumindest teilweise automatisierten Fahrzeug möglichst genaue Vorhersagen zum Fahrbahnoberflächenzustand bereitzustellen, bevor das Fahrzeug das Straßensegment erreicht. Diese Information kann das Fahrzeug für seine Fahrstrategieplanung, Routenplanung, Trajektorienplanung etc. verwenden. Es kann eine Möglichkeit geschaffen werden, mit der insbesondere prädiziert werden kann, wie sich eine Fahrbahnoberfläche hinsichtlich Befahrbarkeit ändern wird, wenn diese im Winter bearbeitet wurde.
-
In einer Weiterbildung kann aus den zugeführten Daten und der daraus bestimmten Änderung des Fahrbahnoberflächenzustands wenigstens ein Trainingsdatensatz zum Zuführen an das KI-Modul erzeugt werden. Dem Kl-Modul, beispielsweise einer Eingangsschicht seines KNN, können demnach wenigstens zwei auseinanderliegende Zeitpunkte, Zeiträume oder dergleichen gemeinsam mit einer Information über die Änderung des Fahrbahnoberflächenzustands während des dazwischenliegenden Zeitraums und der Information, wie das Straßensegment bzw. die Fahrbahnoberfläche zuvor bearbeiteten worden sind, als Trainingsdatensatz zugeführt werden. Dadurch kann das KI-Modul noch besser angelernt werden, um eine Prädiktion für die Zukunft zu bestimmen.
-
In einer anderen Weiterbildung können ein oder mehrere Mess- oder Schätzwerte, die den dem KI-Modul zuzuführenden Daten zugrunde liegen, vor dem Zuführen an das KI-Modul in einer Zeitreihe erfasst werden. Zeitreihen, die auch als Time-Series-Daten bezeichnet werden, können maschinell gut ausgewertet werden.
-
Gemäß einer Weiterbildung kann die Zeitreihe mehrdimensional gebildet werden und in Zeitschritten gegliedert, unterteilt oder dergleichen zumindest eine Zeit, die seit dem Bearbeitungsvorgang vergangen ist, und eine zugeordnete Beschreibung des Fahrbahnzustands enthalten. Diese Zeitreihe stellt einen kompakten Datensatz dar.
-
In einer Weiterbildung können in der Zeitreihe ferner auf die Zeit bezogene Wetterdaten erfasst werden. Diese können z.B. eine Niederschlagsmenge, eine Umgebungstemperatur, eine Fahrbahntemperatur, eine Sonneneinstrahlung und/oder Sonnenintensität usw. umfassen. Die Wetterdaten können lokal erfasst oder von einem Wetterdienst zur Verfügung gestellt werden.
-
In einer anderen Weiterbildung können in der Zeitreihe ferner auf die Zeit bezogene Werte eines ortsfesten Straßensensors, der beispielsweise die Fahrbahntemperatur, die Umgebungstemperatur, die Anzahl und/oder Häufigkeit von das Straßensegment befahrenden Fahrzeugen usw. bereitstellen.
-
In einer Weiterbildung können in der Zeitreihe ferner auf die Zeit bezogene Werte eines oder mehrerer Fahrzeugsensoren, die das Straßensegment befahren oder nahelegen passieren. Der Fahrzeugsensor kann beispielsweise Teil einer Fahrdynamikregelung, ein Regensensor oder ähnliches sein.
-
Gemäß einer Weiterbildung kann der Bearbeitungsvorgang aus mehreren Werten ausgewählt werden, wobei auch eine Mehrfachauswahl möglich ist. Insbesondere kann es sich bei dem Bearbeitungsvorgang um ein Räumen der Fahrbahnoberfläche durch ein Räumfahrzeug, ein Fräsen der Fahrbahnoberfläche durch ein Fräsfahrzeug, einen Einsatz eines Streumittels auf der Fahrbahnoberfläche, eine ausgebrachte Streumittelmenge, eine Streumittel-Abdeckungsdichte oder ähnliches handeln.
-
In einer Weiterbildung kann der Fahrbahnoberflächenzustand aus mehreren Werten ausgewählt werden, wobei auch eine Mehrfachauswahl möglich ist. Insbesondere kann es sich bei dem Fahrbahnoberflächenzustand um einen Fahrbahnbelag, eine Information, ob eine Zwischenschicht vorhanden ist, eine Information, ob eine Zwischenschicht nicht vorhanden ist, eine Information, ob Schnee als Zwischenschicht vorhanden ist, eine Information, ob Eis als Zwischenschicht vorhanden ist, eine Information, ob Nässe als Zwischenschicht vorhanden ist, eine Information, ob Feuchtigkeit als Zwischenschicht vorhanden ist, oder ähnliches handeln.
-
Die Erfindung betriff auch ein Verfahren zum Betrieb eines Künstlichen-Intelligenz-Moduls, KI-Moduls, zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen. Auch dieses Verfahren kann mit der oben erwähnten, weiter unten noch detaillierter beschriebenen Datenverarbeitungseinrichtung durchgeführt werden. Das KI-Modul kann nach dem vorstehend beschriebenen Verfahren gemäß einer oder mehreren der erläuterten Ausführungsvarianten trainiert worden sein. Das Verfahren sieht die folgenden Schritte vor:
- - Dem KI- Modul werden dem Straßensegment zugeordnete Mess- und/oder Schätzwerte, die zumindest einen Bearbeitungsvorgang an einer Fahrbahnoberfläche beschreiben, zugeführt.
Die Mess- und/oder Schätzwerte können den oben erwähnten, z.B. in einer Zeitreihe erfassten Werten, entsprechen. Ggf. werden die Mess- oder Schätzwerte in einem Vorbearbeitungsschritt Zeitreihen-Merkmale aus den Mess- und/oder Schätzwerten erzeugt, wie z.B. eine Änderungsrate usw. Der Bearbeitungsvorgang kann einen oder mehrere der oben beschriebenen Vorgänge umfassen.
- - Dem KI-Modul wird ein Zeitwert zugeführt, der eine seit dem Bearbeitungsvorgang verstrichene Zeit beschreibt.
- - Es wird durch das KI-Modul der Fahrbahnoberflächenzustand für einen zukünftigen Zeitpunkt auf Basis der zugeführten Beschreibungen des Bearbeitungsvorgangs und der Zeit prädiziert.
-
Damit kann das, insbesondere zuvor trainierte, KI-Modul auf der Basis von einfach zu erhaltenen Eingangsgrößen eine möglichst genaue Information zu einem Fahrbahnoberflächenzustand bzw. dessen Veränderung treffen. Diese Information lässt sich auf vielfältige Weise nutzen, beispielsweise für ein zumindest teilweise automatisiertes Fahrzeug.
-
Gemäß einer Weiterbildung kann der prädizierte Fahrbahnoberflächenzustand, optional auch seine voraussichtliche Änderung, über eine Datenschnittstelle an wenigstens ein Fahrzeug bereitgestellt werden. Dies kann beispielsweise über ein Datennetzwerk erfolgen. Mit dieser Information kann ein System des Fahrzeugs eine Fahrstrategie, eine Routenplanung, eine Trajektorienplanung, Fahrgeschwindigkeit usw. genauer planen.
-
Die Erfindung betrifft auch eine Datenverarbeitungseinrichtung zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen. Die Datenverarbeitungseinrichtung umfasst ein Künstliches-Intelligenz-Modul, KI-Modul, das nach dem vorstehend beschriebenen Verfahren trainiert worden sein kann und/oder nach dem vorstehend beschriebenen Verfahren betrieben werden kann. Das KI-Modul ist dazu eingerichtet, den Fahrbahnoberflächenzustand des Straßensegments auf Basis von dem KI-Modul zugeführten Mess- oder Schätzwerten, die zumindest einen Bearbeitungsvorgang an einer Fahrbahnoberfläche beschreiben, und eines dem KI-Modul zugeführten Zeitwerts für einen vorausliegenden Zeitpunkt usw. zu prädizieren, der eine seit dem Bearbeitungsvorgang verstrichene Zeit beschreibt.
-
Die Datenverarbeitungseinrichtung kann für eine Vielzahl von Straßensegmenten jeweils ein zugeordnetes KI-Modul aufweisen und so flächendeckend einsetzbar sein. Die Mess- oder Schätzwerte können die vorstehend beschriebenen sein. Die Datenverarbeitungseinrichtung kann dazu eingerichtet sein, die Prädiktion des Fahrbahnoberflächenzustands und/oder dessen zeitliche Änderung über eine Datenschnittstelle an ein oder mehrere Fahrzeuge bereitstellen, wie dies oben beschrieben ist.
-
Weitere, die Erfindung verbessernde Maßnahmen werden nachstehend gemeinsam mit der Beschreibung der bevorzugten Ausführungsbeispiele der Erfindung anhand von Figuren näher dargestellt.
-
Figurenliste
-
Im Folgenden werden vorteilhafte Ausführungsbeispiele der Erfindung mit Bezug auf die begleitenden Figuren detailliert beschrieben. Es zeigen:
- 1 eine schematische Übersicht einer Datenverarbeitungseinrichtung zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen,
- 2 ein Flussdiagramm eines Verfahrens zum Trainieren eines Künstlichen-Intelligenz-Moduls, KI-Moduls, zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen und
- 3 ein Flussdiagramm eines Verfahren zum Betrieb eines Künstlichen-Intelligenz-Moduls, KI-Moduls, zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments unter winterlichen Bedingungen.
-
Die Figuren sind lediglich schematisch und nicht maßstabsgetreu. In den Figuren sind gleiche, gleichwirkende oder ähnliche Elemente durchgängig mit gleichen Bezugszeichen versehen.
-
Ausführungsformen der Erfindung
-
1 zeigt in einer schematischen Übersicht eine Datenverarbeitungseinrichtung 100, die sich insbesondere zum Prädizieren eines Fahrbahnoberflächenzustands eines Straßensegments RS1, RS2 unter winterlichen Bedingungen eignet. Hier sind exemplarisch ein erstes Straßensegment RS1 und ein zweites Straßensegment RS2 gezeigt, bei denen durch eine Schraffur angedeutet ist, dass sie eine, häufig im Winter anzutreffende, Zwischenschicht aus z.B. Schnee, Eis usw. aufweisen. Das erste Straßensegment RS1 befährt ein Winterdienstfahrzeug W, so dass dort ein bearbeiteter, nämlich der in Fahrtrichtung des Winterdienstfahrzeug W hintere, und ein unbearbeiteter Abschnitt unterschieden werden können.
-
Die Datenverarbeitungseinrichtung 100 ist als Computersystem ausgeführt und umfasst hier exemplarisch eine Recheneinheit 110, die einen Prozessor, einen Speicher zum Speichern von durch den Prozessor ausführbaren Programmanweisungen, eine Datenschnittstelle usw. aufweist. Die Datenverarbeitungseinrichtung 100 bzw. das Computersystem umfasst ferner ein (nicht näher bezeichnetes) Künstliches-Intelligenz-Modul, KI-Modul, das in Form von Programmanweisungen oder ähnlichem in der Datenverarbeitungseinrichtung implementiert ist und wenigstens ein künstliches neuronales Netz (KNN) umfasst. In dem KNN ist ein Machine-Learning-Algorithmus implementiert. Es sei angemerkt, dass die Recheneinheit 110 und das KI-Modul 120 weder zu einem System, einer Baueinheit oder anderweitig zusammengefasst sein müssen. Vielmehr können die Recheneinheit 110 und das KI-Modul 120 auch weit voneinander entfernt betrieben und beispielsweise über eine Datenschnittstelle, wie z.B. ein Datennetzwerk, miteinander verbunden sein.
-
Die Datenverarbeitungseinrichtung 100 verfügt ferner über eine (nicht näher bezeichnete) Datenschnittstelle, über die sie mit einer oder mehreren Datenerfassungseinrichtungen 130, 140, 150 zum Datenempfang verbindbar oder verbunden ist. Die Datenerfassungseinrichtung 130 ist hier, beispielsweise als Computersystem, mobiles Endgerät oder ähnliches, exemplarisch in dem Winterdienstfahrzeug W angeordnet. Die Datenerfassungseinrichtung 130 ist dazu eingerichtet, u.a. zu erfassen, wo sich das momentan befahrene Straßensegment RS1 befindet, ob und wie dieses durch das Winterdienstfahrzeug W bearbeitet wird, z.B. durch Räumen des Straßensegments RS1 durch mechanischen Einsatz einer Räumvorrichtung, oder ein Aufbringen von Streumittel, Streusalz usw., oder eine Information zur Streumitteldichte- und/oder Verteilung usw. Zudem ist die Datenerfassungseinrichtung 130 dazu eingerichtet, einen Zeitpunkt zu erfassen, zu dem die Bearbeitung erfolgt und/oder beendet wird. Es sei angemerkt, dass die Datenerfassungseinrichtung 130 auch genauere Zeitdaten, auch Betriebsgrößen und/oder Umgebungsdaten des Winterdienstfahrzeugs W erfassen kann. Die Datenerfassungseinrichtung 140 ist hier exemplarisch als Straßensensor ausgeführt und dazu eingerichtet, beispielsweise eine Straßentemperatur, vorbeifahrende Fahrzeuge oder ähnliches zu erfassen. Die Datenerfassungseinrichtung 150 ist hier exemplarisch ein von den Straßensegmenten RS1, RS2 weiter entfernter Wetterdienst, eine lokale Wetterstation oder ähnliches und dazu eingerichtet, beispielsweise Wetterdaten, wie Niederschlagsmenge, Sonnenintensität oder ähnliches, zu erfassen. Funktional betrachtet, sind die Datenerfassungseinrichtungen 130, 140, 150 dazu eingerichtet Mess- und/oder Schätzdaten mit einem Zeitbezug zu liefern, wobei hier exemplarisch ein erster Zeitpunkt t1 und ein diesem nachfolgender, zweiter Zeitpunkt t2 betrachtet werden. Die Mess- und/oder Schätzdaten werden als Zeitreihe, die auch als Time-Series-Daten bekannt ist, erfasst.
-
Die Datenverarbeitungseinrichtung 100, beispielsweise durch die Recheneinheit 110, ist ferner dazu eingerichtet, aus den Daten der Datenerfassungseinrichtungen 130, 140, 150 bzw. der einen oder mehreren Zeitreihen eine Änderung des Fahrbahnoberflächenzustands zwischen dem ersten Zeitpunkt t1 und dem zweiten Zeitpunkt t2 zu bestimmen. Auf Basis dieser Informationen erzeugt die Datenverarbeitungseinrichtung 100, beispielsweise durch die Recheneinheit 110, einen oder mehrere Trainingsdatensätze 160.
-
Diese Trainingsdatensätze 160 werden über die Datenschnittstelle dem KI-Modul 120 zugeführt, das dadurch darauf trainiert wird, den Fahrbahnoberflächenzustand des Straßensegments RS1, RS2 auf Basis der Mess- und/oder Schätzdaten von zumindest einem Teil der Datenerfassungseinrichtungen 130, 140, 150 eine Zeit zu prädizieren. Insbesondere wird das KI-Modul 120 darauf trainiert, eine Zeit der Zwischenschicht zu Prädizieren, also vorherzusagen, wie lange eine Änderung einer Zwischenschicht auf der Fahrbahnoberfläche des Straßensegments RS1, RS2 dauern wird. Die Zwischenschicht kann sich beispielsweise von eisig zu nass zu trocken usw. ändern. Wie weiter unten noch erläutert wird, ist das KI-Modul 120 ferner dazu eingerichtet, diese Information einem Fahrzeug V über eine Datenschnittstelle zur Verfügung zu stellen, das diese Information z.B. für seine Routenplanung, Trajektorienplanung usw. verwenden kann.
-
2 fasst in einem Flussdiagramm ein Verfahren zum Trainieren des KI-Moduls 120 zusammen.
-
Zunächst erfolgt in einem Schritt S1 ein Zuführen von ersten Daten an das KI-Modul 120, die wenigstens einen zu dem ersten Zeitpunkt t1 erfassten Bearbeitungsvorgang an einer Fahrbahnoberfläche beschreiben. Diese ersten Daten sind in einer Zeitreihe enthalten und werden hier exemplarisch von der Datenerfassungseinrichtung 130 zur Verfügung gestellt. Dies kann, wie oben beschrieben, z.B. das Räumen, Ausbringen von Streumittel usw. durch das Winterdienstfahrzeug W sein.
-
Dann erfolgt in einem Schritt S2 ein Zuführen von zweiten Daten an das KI-Modul, die wenigstens den zu dem ersten Zeitpunkt t1 erfassten oder den dem durchgeführten Bearbeitungsvorgang zugeordneten Fahrbahnoberflächenzustand beschreiben. Diese zweiten Daten sind in der gleichen oder einer weiteren Zeitreihe enthalten und werden hier exemplarisch von einer oder mehreren der Datenerfassungseinrichtungen 130, 140, 150 zur Verfügung gestellt. Z.B. ist bzw. war das erste Straßensegment RS1 zu diesem Zeitpunkt beschneit und/oder vereist.
-
In einem Schritt S3 erfolgt dann ein Zuführen von dritten Daten an das KI-Modul, die wenigstens den zu dem dem ersten Zeitpunkt t1 nachfolgenden, zweiten Zeitpunkt t2 erfassten Fahrbahnoberflächenzustand beschreiben. Z.B. nach dem Bearbeiten durch das Winterdienstfahrzeug W hat das erste Straßensegment RS1 einen anderen Fahrbahnoberflächenzustand, z.B. geräumt, mit Streumittel bestreut usw., als vor dem Bearbeiten.
-
In einem Schritt S4 erfolgt ein Bestimmen einer Änderung des Fahrbahnoberflächenzustands zwischen dem ersten und dem zweiten Zeitpunkt t1, t2. Dieser hat sich z.B. durch Aufbringen von Streusalz durch das Winterdienstfahrzeug von eisig zu nass verändert.
-
In einem optionalen Schritt S5 können dann die Trainingsdatensätze 160 erzeugt werden.
-
Anhand von 3, die ein Flussdiagramm zeigt, wird nun ein beispielhafter Betrieb des wie vorstehend trainierten KI-Moduls 120 erläutert.
-
In einem Schritt S1 erfolgt ein Zuführen der dem Straßensegment RS1, RS2 zugeordneten Mess- oder Schätzwerten, die beispielsweise direkt von den Datenerfassungseinrichtungen 130, 140, 150 zur Verfügung gestellt werden und die zumindest den Bearbeitungsvorgang an der Fahrbahnoberfläche beschreiben, an das KI-Modul 120.
-
In einem Schritt S2 erfolgt ein Zuführen eines Zeitwerts, der eine seit dem Bearbeitungsvorgang verstrichene Zeit beschreibt, an das KI-Modul 120.
-
In einem Schritt S3 erfolgt durch das KI-Modul 120, das wie oben beschrieben hierzu trainiert wurde, ein Prädizieren des Fahrbahnoberflächenzustands für einen zukünftigen Zeitpunkt t3 auf Basis der zugeführten Beschreibungen des Bearbeitungsvorgangs und der Zeit.
-
Die Prädiktion kann dann, wie oben erwähnt, in einem optionalen Schritt S4 dem Fahrzeug V zur Verfügung gestellt werden.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
